摘要: |
随着经济和社会的发展,城市的交通拥堵和环境污染问题日益凸显。智能交通系统(ITS-Intelligent Transportation System)的运用能够很大程度上缓解此类问题的发生。车辆定位技术是ITS的核心部分,也是ITS先期建设中需要积极研究开发的关键技术。
基于GPS(Global Positioning System)的车辆定位是目前最先进、应用最广的卫星导航定位系统。但是GPS很容易受到外界环境的干扰,譬如在城市,由于高楼、立交桥、隧道、无线电干扰等,往往造成GPS信号接收困难或丢失,不能准确导航定位;在野外,由于树林、山洞、恶劣天气等,造成GPS信号中断,无法确认车辆位置。针对GPS的不足,本文引入了航位推算(DR-Dead Reckoning)辅助定位,来保证定位的连续性和准确性,通过分析GPS的组成、定位基本原理和误差来源及DR的组成和定位原理,深入研究了GPS/DR组合定位的数据融合算法。
本文设计了GPS/DR组合定位系统的联邦滤波器结构,采用模糊评判算法获得子系统的实时定位状态的可信度值,通过联邦滤波信息动态分配算法,最终获得两个子滤波器的实时信息分配系数。在联邦滤波器结构中采用标准卡尔曼滤波方法和UKF滤波方法对两个子系统进行状态估计,主滤波器对子滤波器的状态进行最优估计获得每一时刻系统状态和协方差的输出。Matlab仿真实验表明算法融合后组合定位系统的定位精度明显优于GPS初始定位精度。
|